小波神经网络改进结构及其学习算法

论述了小波神经网络用于信号分类识别的模型结构,在此基础上,充分利用小波变换时频分析的局部化特性,提出了一种改进的网络结构,建立了非显式小波的网络的学习算法。计算机模拟表明,该结构提高了信号分类识别的精度和灵敏度。     

基于DCL算法的模糊控制规则提取

在对一些复杂的控制系统进行模糊控制时，由于对系统的不了解，很难建模，难以找到合适的控制规则。为此，介绍一种基于DCL算法的模糊控制规则的提取方法，并应用于实例。对算法的优缺点进行了分析。     

基于改进的动态因子多层前馈网络学习算法

分析了学习率对BP神经网络中存在的典型问题的影响，提出了一种通过调整学习率改进BP神经网络性能的动态适应算法。仿真结果表明，此BP算法在学习速度方面有较大提高。     

遗传算法神经网络的学习方法

提出了利用遗传算法的思想实现人工神经网络学习的方法，并具体讨论了在实现中的若干问题。     

基于神经网络的自适应跟踪控制

本文研究了一种用社会网络实现的自适应跟踪控制方法，仿真结果表明，该方法的控制效果是令人满意的。     

一种获取与优化模糊规则基的混合学习算法

提出了一种二层学习算法来优化模糊规则基。利用Ｔａｋａｇｉ－Ｓｕｇｅｎｏ模糊神经网络对一个模糊规则基进行参数学习,学习方法为梯度下降法,然后利用遗传算法对规则基进行结构调整,采用二进制编码方法,一条规则对应于一个基因位,一个规则基对应于一条染色体。这种二层优化方法能较好地减少模糊规则基的冗余度,化简模糊规则基。仿真实验也证实了这一点。     

多层反馈BP网联想记忆分析

多层反馈ＢＰ网络是一种非线性动力学系统，为了对多层反馈ＢＰ网络进行形式分析，作者采用了电路类比的方式得到了它的数学模型，根据反馈ＢＰ网络的数学模型证明了反馈ＢＰ网络联想记忆过程的稳定性及有关性质，炒反馈ＢＰ网络的应用奠定了理论基础。     

一种多样性反馈高斯粒子群算法

针对粒子群算法在算法迭代后期因多样性减少而容易陷入局部最优的缺陷,引入种群多样性反馈(群活性反馈)和高斯正态惯性权重变异算子对粒子群算法进行改进,当粒子群的多样性减少时,通过改变粒子的惯性权重调节粒子速度和位置,从而跳出局部最优解.与标准粒子群算法对比仿真结果表明:多样性反馈高斯粒子群算法在全局搜索能力和寻优性能上有很大提高,多样性提高近一倍,迭代时间缩短近3/4.     

一种提高周期信号检测精度的自适应算法

提出一种既能提高周期信号的检测精度,又不增加计算量的自适应算法。该算法能自动调整采样得到的离散序列,使其最大限度地逼近理想离散序列,减少频谱泄漏,提高检测精度。     

信号词在英语听力学习的作用研究

英语听力学习是一个复杂的过程,影响英语听力学习的因素众多,其中对于语言微技能如信号词的训练非常重要。本文以湖北职业技术学院外语学院的学生为例,针对信号词在英语听力学习中所起的作用进行研究,证实了掌握好信号词、增强语言微技能的训练对于学生听力理解能力的提高有着非常重要的作用。     

基于优先权重的公交信号优先算法研究

在信号控制交叉口,优先信号的实施不仅要考虑公交车辆的乘客数,同时还与公交车辆的时刻表的偏离程度有关。本文根据公交车辆当前的运行状态在信号配时计算中为公交车辆赋予一定的优先权重,在满足交叉口各进口方向车辆通行需求的同时,以最小的车辆延误代价获取人均延误降低最大化为目标,在交叉口信号配时方案进行优化计算中,为偏离公交出行时刻表的公交车辆分配权重,以确保公交车辆尽可能以绿灯信号通过信号控制交叉口。最后利用MatLab对该算法进行求解计算、验证。     

神经网络自学习控制研究

提出一个新型仿真器网络结构并推导出学习算法；提出面向输入输出模型结构的自学习控制器训练结构并推导出学习算法，解决约束控制作用 下多目标终态控制问题并实现感应加热温度智能控制。     

隐节点竞争BP模型

通过分析ＢＰ网络在局部极小状态下的微观特性，给出一种在隐藏层引入竞争机制的网络模型－隐节点竞争ＢＰ模型，试验表明该模型不仅有效地克服了局部极小问题，而且加快了学习快速，另外，还对本文提出的Ｏ竞争和已有的δ竞争进行了比较，并验证了Ｏ竞争的有效性。     

基于云模型的自学习进化算法

结合进化论和遗传理论的最新进展,提出基于学习算子的自学习进化算法;并将正态云模型引入进化过程中,提出云学习算子和基于云学习算子的自学习进化算法．最后的仿真实验表明,该算法具有精度高、收敛速度快等优点,能在很大程度上解决了现存进化算法的低效问题．     

基于进化规划的BP神经网络学习

通过对将传统的BP算法和遗传算法应用到BP神经网络的学习的研究和分析,指出它们存在的缺陷。提出一个改进的进化规划算法,并将其应用于BP神经网络的权值优化。取XOR问题和4奇偶性问题的实验对传统的进化规划算法和改进的进化规划算法进行实验对比。实验结果表明,本文中提出的改进的进化规划算法优于前2个算法。     

基于成本迭代与需求迭代的四阶段交通模型双重反馈算法研究

四阶段交通模型作为最流行的交通需求预测模型理论,其计算结果存在不一致性的缺陷,反馈算法被引入模型结构中来解决不一致性的问题。研究提出了成本迭代与需求迭代的双重迭代反馈算法,并使用案例比较了它与既有反馈算法的差异。研究结果表明：成本迭代＋需求迭代的双重迭代模型结构能够在不影响预测结果的前提下减少迭代次数和系统运行时间,收敛过程更加稳定且能够适用于不同规格的交通网络。     

基于微粒群算法的过饱和交叉口群信号优化研究

城市道路基础设施和建设与交通需求不匹配会导致城市过饱和状态交通频现,利用交通信号控制改变交通系统内车辆的运行规则是解决问题的必经之路。将微粒群算法应用于过饱和状态交叉口群信号协调优化当中,并通过VISSIM仿真评价信号协调优化效果。研究结果显示,经过信号优化,过饱和状态路网中各交叉口的延误车辆数、停车次数、排队次数均有所下降,路网的交通运行情况有明显的改善,一定程度上疏解了过饱和状态交叉口群。